MétaCan
Menu
Retour à la cohorte
Enregistrement W4379520140 · doi:10.1038/s41597-023-02058-6

A 100-member ensemble simulations of global historical (1951–2010) wave heights

2023· article· en· W4379520140 sur OpenAlexaff
Mercè Casas‐Prat, Xiaolan L. Wang, Nobuhito Mori, Yang Feng, Rodney Chan, Tomoya Shimura

Notice bibliographique

RevueScientific Data · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesJapan Agency for Marine-Earth Science and TechnologyMinistry of Education, Culture, Sports, Science and Technology
Mots-clésClimatologyScale (ratio)Submarine pipelineClimate changeEnvironmental scienceTemporal scalesMeteorologyGeographyGeologyOceanographyCartography

Résumé

récupéré en direct d'OpenAlex

Abstract The d4PDF-WaveHs dataset represents the first single model initial-condition large ensemble of historical significant ocean wave height ( H s ) at a global scale. It was produced using an advanced statistical model with predictors derived from Japan’s d4PDF ensemble of historical simulations of sea level pressure. d4PDF-WaveHs provides 100 realizations of H s for the period 1951–2010 (hence 6,000 years of data) on a 1° × 1° lat.-long. grid. Technical comparison of model skill against modern reanalysis and other historical wave datasets was undertaken at global and regional scales. d4PDF-WaveHs provides unique data to understand better the poorly known role of internal climate variability in ocean wave climate, which can be used to estimate better trend signals. It also provides a better sampling of extreme events. Overall, this is crucial to properly assess wave-driven impacts, such as extreme sea levels on low-lying populated coastal areas. This dataset may be of interest to a variety of researchers, engineers and stakeholders in the fields of climate science, oceanography, coastal management, offshore engineering, and energy resource development.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,673
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,123
Tête enseignante GPT0,282
Écart entre enseignants0,159 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetOcean Waves and Remote SensingTravaux en français237 207